基于集成学习的安卓恶意程序检测技术 |
| |
引用本文: | 李孔渤,王春东. 基于集成学习的安卓恶意程序检测技术[J]. 天津理工大学学报, 2019, 0(4) |
| |
作者姓名: | 李孔渤 王春东 |
| |
作者单位: | 天津理工大学计算机科学与工程学院 |
| |
摘 要: | 随着安卓恶意程序的数量的急剧增加,恶意程序检测已成为一个重要的研究课题.然而,目前许多研究表明,恶意程序的检测仍然需要改进,安卓的碎片问题和需要root权限,阻碍了这些方法的广泛使用.现有的杀毒程序依赖于需要实时更新的签名数据库,这无法检测出零日恶意程序.在本文中,我们提取了安卓程序中的特征,进行混合,选择集成算法中的DECORATE算法,并用WEKA工具辅助进行分类恶意程序的检测.该方法最终达到95.8%的检测精度,同时我们在真实的数据集上经过十折交叉验算实验及对比.
|
关 键 词: | 安卓恶意程序检测 静态检测 集成学习 DECORATE |
Multi-Camera network cooperative tracking based on topology |
| |
Abstract: | |
| |
Keywords: | |
本文献已被 CNKI 等数据库收录! |
|